Das am 21. Oktober 2026 vorgestellte Recursive Flint hat insgesamt 40 Milliarden Parameter, aktiviert pro Token aber 2,5 Milliarden und ist für lokales Programmieren ausgelegt.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort

Create a landscape editorial hero image for this Studio Global article: What is Recursive Superintelligence’s Recursive Flint, released on October 21, 2026, and how does its launch illustrate both the promise and. Article summary: Recursive Flint is Recursive Superintelligence’s first free, open-weight coding model, released on October 21, 2026, for running coding agents on local hardware; the company says AI helped build nearly its entire develop. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Recursive Flint ist das erste Open-Weight-Coding-Modell von Recursive Superintelligence. Es soll Coding-Agenten auf lokaler Hardware ausführen. Aufmerksamkeit bekommt Flint nicht nur wegen der gemeldeten Geschwindigkeit und Benchmark-Ergebnisse: Das Unternehmen sagt auch, seine Eureka Machine habe bei großen Teilen der Entwicklung geholfen. Das macht Flint zu einem Beispiel für KI-unterstützte Modellentwicklung – nicht zum Beweis, dass ein KI-System sich bereits eigenständig und unbegrenzt verbessern kann. 1
5
8
Flint ist ein sogenanntes Mixture-of-Experts-Modell (MoE) mit insgesamt 40 Milliarden Parametern. Für jedes Token werden davon 2,5 Milliarden aktiviert. Recursive positioniert es als schnelles lokales Modell für agentisches Programmieren – also für Aufgaben, bei denen ein Coding-Agent etwa Code untersucht oder Änderungen vornimmt. 1
17
Die Modellgewichte stehen laut Berichten auf Hugging Face unter der Apache-2.0-Lizenz zum Download bereit. Demnach lässt sich Flint auch auf Verbraucherhardware ausführen, darunter Macs mit Apple Silicon und Nvidia-GPUs mit 48 GB Speicher. 3
6
Nvidia erwähnte Flint in einer Ankündigung zu lokaler KI in Europa und bezeichnete das Modell als für RTX Spark optimiert. Das ordnet Flint in Nvidias Vorstoß bei lokaler KI-Hardware ein. Aus dem vorliegenden Auszug geht jedoch nicht hervor, dass Flint bei einer bestimmten GTC-Berlin-Veranstaltung auf der Bühne demonstriert wurde. 1
Bei den Geschwindigkeitsangaben gibt es Unterschiede: Nvidia nennt mehr als 220 Token pro Sekunde auf einem RTX Spark mit 64 GB Speicher. Recursive berichtet seinerseits von mehr als 150 Token pro Sekunde auf einem RTX Spark mit 64 GB bei kurzen Kontexten sowie von mehr als 125 Token pro Sekunde auf einem MacBook Pro mit M4 Pro. Die Quellen erläutern die Bedingungen der beiden Spark-Messungen nicht ausreichend, um die Werte direkt miteinander zu vergleichen. 1
17
Recursive zufolge erzielt Flint bei SWE-Bench Pro v2, Terminal-Bench 2.1 und SWE-Bench Verified Ergebnisse, die zu den besten unter MoE-Modellen mit weniger als 50 Milliarden Gesamtparametern gehören. Das ist eine klar eingegrenzte Vergleichsgruppe – keine Behauptung, Flint sei besser als jedes Coding-Modell. Die Ergebnisse stammen vom Unternehmen; eine unabhängige Wiederholung der Benchmarks ist in den vorliegenden Berichten nicht dokumentiert. 1
17
Recursive sagt, das automatisierte Forschungssystem Eureka Machine habe bei nahezu jeder Entwicklungsphase mitgewirkt – unter anderem beim Training, bei Architekturfragen und bei der Codeoptimierung. Laut Unternehmen konnte ein kleines Team das Modell dadurch in weniger als vier Monaten entwickeln. Das ist Recursives Darstellung des Entwicklungsprozesses; eine unabhängige Prüfung, welche Arbeit Menschen und welche die KI geleistet hat, liegt nicht vor. 2
5
8
Der Unterschied ist wichtig: KI für einzelne Teile der Modellentwicklung einzusetzen, ist nicht dasselbe, wie ein System selbstständig Verbesserungen auswählen, umsetzen und bewerten zu lassen und ohne menschliche Anleitung immer wieder einen neuen Entwicklungszyklus zu starten. Flint wird als Praxistest für KI-gestützte Forschung präsentiert. Die verfügbaren Belege zeigen nicht, dass damit eine vollständig autonome Schleife zur rekursiven Selbstverbesserung erreicht wurde. 8
19
Der WIRED-Journalist Will Knight bezeichnete Flint als beeindruckendes Open-Weight-Coding-Modell und sah darin ein Zeichen, dass vollständig rekursive Selbstverbesserung näher rückt. Das ist seine Einschätzung zur Bedeutung des Modells – kein Nachweis, dass Flint seinen Nachfolger eigenständig entwickeln kann. 8
Der praktische Nutzen liegt auf der Hand: Ein lokal ausführbares Coding-Modell bietet eine Alternative dazu, Programmieraufgaben an einen Cloud-Dienst zu schicken. Und KI-Unterstützung in Forschung und Entwicklung könnte kleinen Teams helfen, bestimmte Arbeitsschritte schneller zu erledigen – so beschreibt Recursive den Entwicklungsprozess von Flint. 3
5
Die Kontroverse dreht sich um das größere Ziel hinter dem Start: KI einzusetzen, um KI zu verbessern. Berichte beschreiben die mögliche rekursive Selbstverbesserung als vielversprechend, aber umstritten, und verweisen auf die Grenzen der heutigen Technologie. Recursive-Chef Richard Socher sagt, das System des Unternehmens sei so ausgelegt, dass es unter menschlicher Kontrolle bleibe. Das ist eine Aussage des Unternehmens, keine unabhängige Bestätigung für die Sicherheit künftiger Systeme. 8
19
Auch die Finanzierung gibt einen Eindruck von den Ambitionen des Unternehmens. TechCrunch berichtete, Recursive sei im Mai mit 650 Millionen US-Dollar Finanzierung und einer Bewertung von 4,65 Milliarden US-Dollar aus dem Stealth-Modus getreten. Zu den Geldgebern zählten demnach GV, Nvidia und AMD Ventures. 5
Flint ist damit am besten als frühes, greifbares Beispiel dafür zu verstehen, wie ein Unternehmen KI in der Modellentwicklung einsetzt – verbunden mit einem lokalen Coding-Modell, das wegen seiner berichteten Leistung Aufmerksamkeit auf sich zieht. Die Veröffentlichung belegt KI-gestützte Entwicklungsarbeit, nicht aber, dass KI sich bereits unbegrenzt selbst verbessern oder ohne menschliche Aufsicht arbeiten kann. 5
8
19
Studio Global AI
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Das am 21. Oktober 2026 vorgestellte Recursive Flint hat insgesamt 40 Milliarden Parameter, aktiviert pro Token aber 2,5 Milliarden und ist für lokales Programmieren ausgelegt.
Das am 21. Oktober 2026 vorgestellte Recursive Flint hat insgesamt 40 Milliarden Parameter, aktiviert pro Token aber 2,5 Milliarden und ist für lokales Programmieren ausgelegt. Nvidia nennt mehr als 220 Token pro Sekunde auf einem RTX Spark mit 64 GB; Recursive berichtet für kurze Kontexte separat von mehr als 150 Token pro Sekunde auf derselben Hardware.
Recursive schreibt seiner Eureka Machine eine wichtige Rolle bei der Entwicklung zu.
Das am 21. Oktober 2026 vorgestellte Recursive Flint hat insgesamt 40 Milliarden Parameter, aktiviert pro Token aber 2,5 Milliarden und ist für lokales Programmieren ausgelegt.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort

Create a landscape editorial hero image for this Studio Global article: What is Recursive Superintelligence’s Recursive Flint, released on October 21, 2026, and how does its launch illustrate both the promise and. Article summary: Recursive Flint is Recursive Superintelligence’s first free, open-weight coding model, released on October 21, 2026, for running coding agents on local hardware; the company says AI helped build nearly its entire develop. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Recursive Flint ist das erste Open-Weight-Coding-Modell von Recursive Superintelligence. Es soll Coding-Agenten auf lokaler Hardware ausführen. Aufmerksamkeit bekommt Flint nicht nur wegen der gemeldeten Geschwindigkeit und Benchmark-Ergebnisse: Das Unternehmen sagt auch, seine Eureka Machine habe bei großen Teilen der Entwicklung geholfen. Das macht Flint zu einem Beispiel für KI-unterstützte Modellentwicklung – nicht zum Beweis, dass ein KI-System sich bereits eigenständig und unbegrenzt verbessern kann. 1
5
8
Flint ist ein sogenanntes Mixture-of-Experts-Modell (MoE) mit insgesamt 40 Milliarden Parametern. Für jedes Token werden davon 2,5 Milliarden aktiviert. Recursive positioniert es als schnelles lokales Modell für agentisches Programmieren – also für Aufgaben, bei denen ein Coding-Agent etwa Code untersucht oder Änderungen vornimmt. 1
17
Die Modellgewichte stehen laut Berichten auf Hugging Face unter der Apache-2.0-Lizenz zum Download bereit. Demnach lässt sich Flint auch auf Verbraucherhardware ausführen, darunter Macs mit Apple Silicon und Nvidia-GPUs mit 48 GB Speicher. 3
6
Nvidia erwähnte Flint in einer Ankündigung zu lokaler KI in Europa und bezeichnete das Modell als für RTX Spark optimiert. Das ordnet Flint in Nvidias Vorstoß bei lokaler KI-Hardware ein. Aus dem vorliegenden Auszug geht jedoch nicht hervor, dass Flint bei einer bestimmten GTC-Berlin-Veranstaltung auf der Bühne demonstriert wurde. 1
Bei den Geschwindigkeitsangaben gibt es Unterschiede: Nvidia nennt mehr als 220 Token pro Sekunde auf einem RTX Spark mit 64 GB Speicher. Recursive berichtet seinerseits von mehr als 150 Token pro Sekunde auf einem RTX Spark mit 64 GB bei kurzen Kontexten sowie von mehr als 125 Token pro Sekunde auf einem MacBook Pro mit M4 Pro. Die Quellen erläutern die Bedingungen der beiden Spark-Messungen nicht ausreichend, um die Werte direkt miteinander zu vergleichen. 1
17
Recursive zufolge erzielt Flint bei SWE-Bench Pro v2, Terminal-Bench 2.1 und SWE-Bench Verified Ergebnisse, die zu den besten unter MoE-Modellen mit weniger als 50 Milliarden Gesamtparametern gehören. Das ist eine klar eingegrenzte Vergleichsgruppe – keine Behauptung, Flint sei besser als jedes Coding-Modell. Die Ergebnisse stammen vom Unternehmen; eine unabhängige Wiederholung der Benchmarks ist in den vorliegenden Berichten nicht dokumentiert. 1
17
Recursive sagt, das automatisierte Forschungssystem Eureka Machine habe bei nahezu jeder Entwicklungsphase mitgewirkt – unter anderem beim Training, bei Architekturfragen und bei der Codeoptimierung. Laut Unternehmen konnte ein kleines Team das Modell dadurch in weniger als vier Monaten entwickeln. Das ist Recursives Darstellung des Entwicklungsprozesses; eine unabhängige Prüfung, welche Arbeit Menschen und welche die KI geleistet hat, liegt nicht vor. 2
5
8
Der Unterschied ist wichtig: KI für einzelne Teile der Modellentwicklung einzusetzen, ist nicht dasselbe, wie ein System selbstständig Verbesserungen auswählen, umsetzen und bewerten zu lassen und ohne menschliche Anleitung immer wieder einen neuen Entwicklungszyklus zu starten. Flint wird als Praxistest für KI-gestützte Forschung präsentiert. Die verfügbaren Belege zeigen nicht, dass damit eine vollständig autonome Schleife zur rekursiven Selbstverbesserung erreicht wurde. 8
19
Der WIRED-Journalist Will Knight bezeichnete Flint als beeindruckendes Open-Weight-Coding-Modell und sah darin ein Zeichen, dass vollständig rekursive Selbstverbesserung näher rückt. Das ist seine Einschätzung zur Bedeutung des Modells – kein Nachweis, dass Flint seinen Nachfolger eigenständig entwickeln kann. 8
Der praktische Nutzen liegt auf der Hand: Ein lokal ausführbares Coding-Modell bietet eine Alternative dazu, Programmieraufgaben an einen Cloud-Dienst zu schicken. Und KI-Unterstützung in Forschung und Entwicklung könnte kleinen Teams helfen, bestimmte Arbeitsschritte schneller zu erledigen – so beschreibt Recursive den Entwicklungsprozess von Flint. 3
5
Die Kontroverse dreht sich um das größere Ziel hinter dem Start: KI einzusetzen, um KI zu verbessern. Berichte beschreiben die mögliche rekursive Selbstverbesserung als vielversprechend, aber umstritten, und verweisen auf die Grenzen der heutigen Technologie. Recursive-Chef Richard Socher sagt, das System des Unternehmens sei so ausgelegt, dass es unter menschlicher Kontrolle bleibe. Das ist eine Aussage des Unternehmens, keine unabhängige Bestätigung für die Sicherheit künftiger Systeme. 8
19
Auch die Finanzierung gibt einen Eindruck von den Ambitionen des Unternehmens. TechCrunch berichtete, Recursive sei im Mai mit 650 Millionen US-Dollar Finanzierung und einer Bewertung von 4,65 Milliarden US-Dollar aus dem Stealth-Modus getreten. Zu den Geldgebern zählten demnach GV, Nvidia und AMD Ventures. 5
Flint ist damit am besten als frühes, greifbares Beispiel dafür zu verstehen, wie ein Unternehmen KI in der Modellentwicklung einsetzt – verbunden mit einem lokalen Coding-Modell, das wegen seiner berichteten Leistung Aufmerksamkeit auf sich zieht. Die Veröffentlichung belegt KI-gestützte Entwicklungsarbeit, nicht aber, dass KI sich bereits unbegrenzt selbst verbessern oder ohne menschliche Aufsicht arbeiten kann. 5
8
19
Studio Global AI
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Das am 21. Oktober 2026 vorgestellte Recursive Flint hat insgesamt 40 Milliarden Parameter, aktiviert pro Token aber 2,5 Milliarden und ist für lokales Programmieren ausgelegt.
Das am 21. Oktober 2026 vorgestellte Recursive Flint hat insgesamt 40 Milliarden Parameter, aktiviert pro Token aber 2,5 Milliarden und ist für lokales Programmieren ausgelegt. Nvidia nennt mehr als 220 Token pro Sekunde auf einem RTX Spark mit 64 GB; Recursive berichtet für kurze Kontexte separat von mehr als 150 Token pro Sekunde auf derselben Hardware.
Recursive schreibt seiner Eureka Machine eine wichtige Rolle bei der Entwicklung zu.